Розробка і реалізація рекомендаційної системи для процесу оренди будівель
Автор: Мазур Олександр Олександрович
Кваліфікаційний рівень: магістр
Спеціальність: Інформаційні технології проектування
Інститут: Інститут комп'ютерних наук та інформаційних технологій
Форма навчання: денна
Навчальний рік: 2022-2023 н.р.
Мова захисту: українська
Анотація: Мазур О.О., Кривий Р.З. (керівник). Розробка і реалізація рекомендаційної системи для процесу оренди будівель. Магістерська кваліфікаційна робота. Національний університет “Львівська Політехніка”. Львів, 2022. Пояснювальна записка до магістерської атестаційної роботи складає: 85 сторінок, 26 рисунків, 5 додатків, 51 джерело. Графічна частина атестаційної роботи містить: 7 плакатів. Розширена анотація. У магістерській дипломній роботі було детально проаналізовано загальні методи і засоби рекомендаційних систем. Актуальність. На сьогоднішній день одним із найважливіших ресурсів суспільства є інформація. Інформація посідає одну з центральних ролей у побудові сучасного суспільства. З появою Інтернету, так звана всесвітня мережа стала основним сховищем інформації. Але з часом потужність самої мережі почала зростати набагато швидше, у порівнянні з розвитком обчислювальної потужності для обробки даних. Об’єм даних у мережі Інтернет настільки виріс, що у даний момент людині майже неможливо знайти те, що їй дійсно потрібно. У зв’язку з цим виникає потреба спроектувати та розробити таку систему, яка буде сама аналізувати дані та надаватиме користувачам ті елементи, які вона вважатиме за потрібне. Ця система буде формувати рекомендації на основі вподобань користувача та його поведінки протягом усього часу користування системою. Це дозволить користувачам заощадити багато часу на пошук необхідного їм контенту. Мета магістерської дипломної роботи – дослідження існуючих методів побудови рекомендацій на предмет можливості їх використання у сферах, простір елементів яких є складним та/або має низьку частоту переглядів та подальша розробка системи рекомендацій для подібних предметних областей. Для вирішення даного питання необхідно виконати наступні завдання: виконати огляд існуючих методів та алгоритмів формування та надання рекомендацій; здійснити детальний аналіз та порівняння вищезазначених методів та алгоритмів; розробити алгоритм формування рекомендацій для пропонованої системи; розробка інтерфейсу прототипу у вигляді веб-додатку; реалізація та впровадження розробленого алгоритму рекомендаційної системи до створеного веб-додатку. Об’єктом дослідження магістерської дипломної роботи є процес формування особистих рекомендацій на основі вподобань користувачів. Предмет дослідження – Методи та засоби створення систем рекомендацій, які застосовуються для прогнозування уподобань користувачів та надання їм пропозицій, згідно їх уподобань. Методи дослідження. Огляд цілого комплексу методів теорії фільтрації інформації, що стосуються створення рекомендаційних систем різних видів, теорія алгоритмів системи персональних рекомендацій. Наукова новизна отриманих результатів полягає у застосуванні гібридного підходу до фільтрації даних для формування особистих рекомендацій. Розроблено алгоритм, який поєднує в собі фільтрацію даних, на основі вмісту з колаборативною фільтрацією. Результат магістерської дипломної роботи – є прототип рекомендаційної системи, яка використовує розроблений алгоритм, а також веб-додаток з пошуку нерухомості , з вбудованою до нього рекомендаційною системою. Ключові слова : рекомендації, рекомендаційна система, колаборативна фільтрація, алгоритм рекомендацій, уподобання, користувач. Перелік використаних літературних джерел: Jannach D., Zanker M., Felfernig A., Friedrich G. Recommender Systems: An Introduction. Cambridge University Press (2010). Grabisch, M., Kojadinovic, I., & Meyer, P. (2008). A review of methods for capacity identification in Choquet integral based multi-attribute utility theory: 74 Applications of the Kappalab R package. European Journal of Operational Research, 186(2), 766-785. F. Ricci, L. Rokach, S. Bracha. Recommender Systems Handbook. New York: Springer, 2015. 1003 p. J. Bobadilla, F. Ortega, A. Hernando, and A. Guti?errez, “Recommender systems survey,” Knowledge-Based Systems, vol. 46, 2013 – P. 109-132.